Anthropic 砍掉 80% 系统提示词后，Claude Code 评测没掉分

过去三年，AI 圈最火的手艺叫提示词工程——怎么措辞、怎么设角色、怎么加一句"让我们一步步思考"。网上流传着成百上千套模板，有人靠这套手艺拿到了月薪两三万的岗位。

可如果你天天用 AI，大概也遇到过：同一个提示词，上个月效果惊艳，这个月却平淡无奇。更奇怪的是，有时候你写得越细，它答得越差。

这不是错觉。今年 7 月，Anthropic 公布了一组实验结果：他们把 Claude Code 的系统提示词砍掉了 80% 以上，跑在最新的 Opus 5 和 Fable 5 上，编程评测成绩没有出现可测量的下降。

一句话概括这组实验指向的变化：提示词工程为什么在退场，真正决定 AI 输出质量的是什么，以及今天就能改的四个习惯。

01｜规则删掉八成，模型反而更好了

先看这个实验。

Anthropic 复盘内部使用日志时，发现了一件挺尴尬的事：同一个请求里，经常同时塞着互相打架的指令。系统提示词写着"不要写注释"，某个 Skill 里写着"文档该写就写"，用户自己又在提问里要求"加详细说明"。三条规则同时存在，模型得先花力气判断到底听谁的，才能开始干活。

这些规则的初衷不算错。两年前的模型确实不听话，你不把边界写死，它就乱来。于是大家养成一个习惯：把能想到的约束全写进提示词，像给实习生写家具组装说明书——步骤编号、大写警告、第 9B 步别跳过。

问题是模型变了。Anthropic 新版系统提示词里，那条"默认不写注释、绝不写长 docstring"被换成了一句：

写和周围代码风格一致的代码，注释密度、命名习惯、写法都对齐。

一句判断，替掉一堆规则。官方原文的说法很直接：我们之前是在"过度约束"（overconstraining）Claude Code。

这件事对个人用户同样成立。你收藏的那些"万能提示词"，本质上是给弱模型打的补丁。补丁越厚，强模型越要花推理去消化它们。

02｜提示词管"怎么问"，上下文管"它看到什么"

那提示词是不是没用了？

不是，是它的位置变了。Anthropic 在自己的工程博客里把这件事定义为"提示词工程的自然演进"，并给了个更准确的名字：上下文工程（context engineering）。

两者的区别可以压成一句话：

提示词工程管的是"怎么问"，上下文工程管的是"它看到什么"。

说得再具体点：

• 提示词是指令，上下文是事实。
• 提示词是一次性的，写得越具体越好；上下文要跨很多次请求复用，你没法预知用户会问什么，只能准备一个通用的信息底座。
• 提示词管的是一条消息，上下文管的是整个上下文窗口。

一个 Agent 真实看到的 token 里，人手写的那部分通常只占 5% 上下。剩下 95% 是系统提示词、工具返回、检索结果、历史对话、记忆——全是运行时由代码拼进去的。

这就解释了一个常见的困惑：为什么你把指令改得再清楚，AI 还是答不到点子上？因为它不是没听懂，而是它手里的事实是错的、旧的，或者太多了。

03｜为什么是现在：三件事同时发生

模型变强了，措辞的边际收益塌了。

2023 年，一句好措辞能让回答质量翻倍，因为当时的模型容易被含糊指令带偏。"让我们一步步思考""你是一位有二十年经验的专家"这类技巧，被公开讨论了三年，早就进了训练数据，变成新模型的默认行为，不再是特殊开关。有些推理型模型甚至因为你要求它"一步步思考"而表现变差。

上下文窗口从几千 token 涨到了上百万。

以前你得精打细算每个 token，现在你要做的是取舍和排序。"我该放什么进去"从一个不存在的问题，变成一个真实的设计问题。

Agent 接管了大部分上下文。

模型一旦能调搜索、读文件、跑命令，落进窗口里的内容大部分就不是人写的了。

三件事合起来，重心从"改措辞"转到了"管信息"。Anthropic 顺带点出了六条正在反转的旧习惯，挑三条对普通人最有用的：

但上下文不是越多越好。Anthropic 在博客里提到一个反复被验证的现象叫上下文腐化（context rot）：窗口里的 token 越多，模型准确回忆其中某条信息的能力就越低。

原因在注意力预算上。transformer 里每个 token 都要和其他所有 token 建立关联，n 个 token 就是 n² 组关系，窗口一拉长，注意力就被摊薄了。

配套有三个坑：

• 中间迷失：埋在长上下文中段的关键信息容易被跳过，模型对开头和结尾最敏感；
• 注意力涣散：看着沾边其实无关的材料会把推理带偏，十份七分相关的资料不如两份九分相关的；
• 上下文污染：一个早期混进来的错误事实，会在后面每一轮里被反复引用、不断放大。

成本和延迟是看得见的代价，准确率下降是看不见的，而后者大得多。

04｜普通人今天就能改的四个习惯

不用懂架构，这四个动作立刻有效：

1. 粘原始文档，别转述。
   你复述一遍就会丢信息，AI 拿着二手描述再推理，误差翻倍。
2. 话题变了就开新对话。
   旧上下文不会帮你，只会干扰。
3. 给一个标准答案样例，比写十句格式要求管用。
4. 明确告诉它忽略什么，不只是关注什么。
   "参考这份文档，但忽略第三章里那批已经过期的价格"，比笼统说一句"参考文档"好得多。

四条里只做一条的话，建议做第一条。

05｜"提示词已死"说得太早

"提示词已死"是现在最流行的说法，但这个判断下得早了。

Gartner 把 2026 年称作"上下文之年"，也有人在公开嘲讽"上下文工程师"这个头衔——说这活拆开看是数据工程师、图书管理员兼心理咨询师的混合体，实际工作是维护一个 YAML 文件。这类吐槽里有部分是真的：自动压缩、按需检索确实把很多手工活自动化了，独立岗位也还在萌芽阶段，远没到标准化。

但有三个判断没被自动化掉：决定往记忆文件里写什么、决定检索器只允许碰哪些信源、决定告诉 Agent 忽略什么。管道自动了，判断没自动。

所以更准确的说法是：提示词工程没死，它被降级了——从"全部工作"变成了"其中一部分"。清晰具体的指令永远好用，只是它不再是那个最难、最值钱的部分。

06｜一张表看清区别

提示词告诉模型该做什么，上下文告诉模型什么是真的。前者的收益在递减，后者才刚开始。